沸沸扬扬的奥迪广告抄袭事件，为“小满”带来了大大的“满屏”效应。官方的回应、媒体的解读，还有天王的发声，已经给出了许多交代。但从技术的角度来看，或许我们还可以提供一个别样的视角。
作为基于人工智能技术提供内容领域的产品解决方案的公司，contentnote更希望从如何利用AI技术防范诸如“抄袭”之类的公关事件，帮助品牌或者广告公司更高效地识别内容风险。
首先从价值判断上来说，大品牌应该是非常注重原创的，也非常在意防范自身陷入抄袭的风险中。毕竟大品牌之所以能够“大”，就是因为在某一点上与众不同，无论是在品牌塑造，还是在产品创新上——抄袭本身也违背很多大品牌的价值观；并且一旦不小心置身于抄袭的风险中，品牌声誉将会受到极大影响。
然而，随着互联网的发展，内容以每天十亿量级的速度在累积，并且内容的供应链也涉及到很多环节：内容部门、外部供应商以及外部供应商的员工及外包商，这就导致品牌主即使具有很强的动力去避免“抄袭”，但面对庞大的存量内容时也往往有心无力。
对应的解决方案可以包含多方面的，比如说通过政策宣贯和培训建立诚信的文化、甄选具有声誉的供应商等。在这里我们介绍contentnote基于人工智能和大数据技术而开发的产品解决方案，这也秉承了我们的一贯理念：通过技术和商业需求的结合，让我们的客户能够享受技术带来的红利。
具体的解决方案步骤很直接，用图表示如下：
从技术角度，重复度查询主要是在第2步，可以分为对文本的查重，以及对图片/视频的查重：
●对文本的查重：从技术上，这个可以表述为：通过基于BERT的动态词向量计算方法，计算两个句子向量距离，作为两者的相似度（具体技术细节不单独展开，后续计划再出单独关于技术原理的文章）。请看如下案例：
如文本1A和1B，基本一致，只是做了少量的词语修改，相似度判别为97.3%；2A和2B尽管文本很短且是一个意思，但是相似度下降到了84.5%；对于文本3A和3B以及4A和4B，尽管是相同的话题，但是在表述和内容上都有明显的差异，相似度降低到了60%以下。
●对图片的查重：通过基于大规模数据集的ResNet模型，提取图片中具有代表性的特征，并编码成特征向量，然后计算图片之间的余弦距离，作为图片的相似度指标。下面是相应的例子：
比如对于图1和图A就基本是一张图，相似度判别99%以上；图1和图B尽管也比较类似，但是洗手液产品摆放角度和同框的瓶子不同，相似度也降到了85.7%。
以上是数说故事旗下contentnote产品从AI技术角度对营销内容查重的解决方案举例，下篇文章小编将带来contentnote产品在业务场景上的覆盖。
本文作者：数说故事
